CN108734114A - 一种结合面部和声纹的宠物识别方法 - Google Patents
一种结合面部和声纹的宠物识别方法 Download PDFInfo
- Publication number
- CN108734114A CN108734114A CN201810409799.8A CN201810409799A CN108734114A CN 108734114 A CN108734114 A CN 108734114A CN 201810409799 A CN201810409799 A CN 201810409799A CN 108734114 A CN108734114 A CN 108734114A
- Authority
- CN
- China
- Prior art keywords
- pet
- recognition
- data
- steps
- grader
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 33
- 238000012360 testing method Methods 0.000 claims description 31
- 230000001755 vocal effect Effects 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 101100153581 Bacillus anthracis topX gene Proteins 0.000 claims description 3
- 101150041570 TOP1 gene Proteins 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007115 recruitment Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000000153 supplemental effect Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 241000009328 Perro Species 0.000 description 1
- 241000282898 Sus scrofa Species 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/04—Training, enrolment or model building
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/18—Artificial neural networks; Connectionist approaches
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/26—Recognition of special voice characteristics, e.g. for use in lie detectors; Recognition of animal voices
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Collating Specific Patterns (AREA)
Abstract
一种结合面部和声纹的宠物识别方法,包括以下步骤:S1:初始化宠物识别分类器,包括分类器结构初始化和分类器权重初始化;S2:获取图像数据,获取声纹数据;S3:对数据进行分类和标记;S4:声纹数据处理;S5:迭代更新分类器;S6:判断分类器是否达到精度要求,若是,则保存当前参数并结束程序,若否,则继续训练。本发明结合了面部识别和声纹识别两种识别方法,具有较高识别精度。
Description
技术领域
本发明涉及卷积神经网络(Convolutional Neural Networks,CNN)和人脸识别技术,其中卷积神经网络使用了2DCNN和3DCNN,人脸识别技术借鉴了FaceNet网络结构和损失函数计算思想,集合了面部识别和声纹识别两种识别方式,在输出结果层面上对两种识别方式进行结合,获得了较高精度。
背景技术
随着社会技术的不断进步以及各方面对于自动身份验证的迫切要求,生物特征识别技术在近几十年中得到了飞速的发展。作为生物的一种内在属性,生物特性具有很强的自身稳定性和个体差异性,故使其成为了自动身份验证的最理想依据。在众多生物识别技术中,面部识别具有相比于其他识别方法更为突出的直接、有效、方面的特点,从而得到了广泛的研究和应用。
近几年,深度学习技术异军突起,在人脸识别领域取得了突破性发展,其中有些模型,诸如FaceNet、Face++、DeepID2等等,识别率高达百分之九十九以上,这为人脸识别技术开始大规模的应用在实际项目中奠定了坚实基础。与此同时,深度学习技术在声纹识别上的应用也取得了巨大的成功。
但值得注意的是,现实生活中,需要生物识别技术的不仅仅是人类,猫、狗、猪、羊、牛等等动物均可以和生物识别技术结合起来,以达到优化生产生活的目的。然而在这些领域,相关研究和应用较少,,亟待科研工作者去开发。
专利201410006204.6和专利201611032333.8各提出了一种宠物识别方法,但均只涉及到了图片识别,而没有采用声纹识别的方法
发明内容
为了克服现有的宠物识别方法的势识别精度较低的不足,针对以上问题,本发明结合面部识别和声纹识别两种技术,提出一种识别精度较高的结合面部和声纹的宠物识别方法。
本发明为解决上述技术问题所采用的技术方案如下:
一种结合面部和声纹的宠物识别方法,包括以下步骤:
S1:初始化宠物识别分类器,包括分类器结构初始化和分类器权重初始化;
S2:获取图像数据,获取声纹数据;
S3:对数据进行分类和标记;
S4:声纹数据处理;
S5:迭代更新分类器;
S6:判断分类器是否达到精度要求,若是,则保存当前参数并结束程序,若否,则继续训练。
进一步,所述步骤S1包含以下步骤:
S1.1:初始化宠物识别分类器结构,所述分类器在面部识别部分结构为FaceNet,在声纹识别部分结构为3D卷积神经网络;
S1.2:用初始化函数初始化分类器权重,使用FaceNet在其自己的数据集上训练所得的预训练模型;
S1.3:整个网络结构在面部识别和声纹识别的验证处进行结合,结合方式为将两部分算得的欧式距离进行加权相加;
再进一步,所述步骤S2包括以下步骤:
S2.1:采用人工实地相机采集的方法补充图像数据;
S2.2:采用网络爬虫的方法从互联网爬取对应需求的图像数据;
S2.3:从采集到的视频图像数据中剥离出声纹数据。
所述步骤S3包括以下步骤:
S3.1:手动对采集到的图片数据和声纹数据进行标注和分类;
S3.2:将数据分为训练数据和测试数据。
所述步骤S4包含以下步骤:
S4.1:使用python的SpeechPy包将声纹特征提取出来,
MFEC features计算公式为:
其中,E为能量值,sn音频信号,N为信号数量。
S4.2:将输入张量转化为[ξ,80,40]的格式其中80为temporal feature(此特征与音频文件时长有关),40为MFEC features(此特征由SpeechPy提取)。
所述步骤S5包含以下步骤:
S5.1:根据FaceNet独有的三元组损失函数对采集到的宠物图片中的训练集数据进行批次组合;三元组损失函数定义为:
其中,J表示损失函数值,m是样本数量,Dia,ip表示目标样本和正样本之间特征的距离,Dia,in表示anchor和负样本之间特征的距离,ia表示第i个目标样本,ip表示第i个正样本,in表示第i个负样本,α表示补充量;
S5.2:将宠物图片中的训练集数据按批次输入到S1步骤中得到的预训练模型中进行参数微调。
S5.3:在声纹识别部分,根据前面图片训练集的批次组合将其相对应的声纹训练集进行批次组合,并将声纹训练集送入到声纹训练网络中进行迭代训练。
所述步骤S6包含以下步骤:
S6.1:使用测试数据集对分类器进行精度测试;
面部识别部分,精度测试步骤如下:
第一步,将图库所有图片送入FaceNet提取提取成128维的特征向量后,存入对比数据库中。
第二步将需测试的某张图片输入,提取出其特征向量。
声纹识别部分,精度测试步骤如下:
第一步,将音频库中所有音频文件送入训练好的3D卷积网络中得到声音模型,即128维的特征向量,将所有声音模型存入数据库中。
第二步,将需要测试的某段音频文件输入,提取出其特征向量。
结合部分,精度测试步骤如下:
第一步,将测试图片和测试音频文件的特征向量,分别对数据库中同一只宠物的图片特征相量和声因模型做减法运算,求得两个欧氏距离。
第二步,对两个欧式距离进行加权相加,得到一个距离分数。以此类推,将测试数据和数据库中数据全部进行匹配。
第三步,对所有距离分数进行由小到大的排序,取top1的标签为最终识别结果,若此标签和测试数据的标签相同则识别成功,反之,识别失败。
S6.2:若精度达到要求,则结束程序,所未到达精度要求,则重回S5继续训练。
本发明所述方法具有如下有益效果:
(1)本发明所述的方法具有针对大批量宠物识别到个体的优势,具有很好的应用前景
(2)本发明所述的方法集合了宠物面部识别和声纹识别两种识别方法,具有高识别精度的优势。
(3)本发明所述的方法采用了参数量较小的预训练模型,在识别速度上具有较好的性能体验。
附图说明
图1为一种结合面部和声纹的宠物识别方法的流程图。
图2为一种结合面部和声纹的宠物识别方法训练过程的具体流程图。
图3为一种结合面部和声纹的宠物识别方法测试过程的具体流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1、图2和图3,一种结合面部和声纹的宠物识别方法,包括以下步骤:
S1:初始化宠物识别分类器,包括分类器结构初始化和分类器权重初始化;
S2:获取图像数据,获取声纹数据;
S3:对数据进行分类和标记;
S4:声纹数据处理;
S5:迭代更新分类器;
S6:判断分类器是否达到精度要求,若是,则保存当前参数并结束程序,若否,则继续训练。
本实例对自己采集的图片数据进行分类判别,所述方法包括以下步骤:
S1:初始化宠物识别分类器结构
实验中面部识别部分采用了FaceNet结构(CNN结构,损失函数采用了三元组函数),声纹识别部分采用了3D神经卷积网络,在tensorflow平台上搭建识别网络结构,且载入FaceNet作者公布的预训练模型作为初始权重参数。
S2:获取图像数据和声纹数据
实验使用的图像数据和声纹数据来自google在2017年发布的数据集,此数据集名为Audioset。
S3:对数据分类和标记
手动对数据进行分类和标记,并按比例将数据分为训练集和测试集。
S4:声纹数据处理
S4.1:使用python的SpeechPy包将声纹特征提取出来,
MFEC features计算公式为:
其中,E为能量值,sn音频信号,N为信号数量。
S4.2:将输入张量转化为[ξ,80,40]的格式其中80为temporal feature(此特征与音频文件时长有关),40为MFEC features(此特征由SpeechPy提取)
S5:迭代更新分类器
S5.1:根据FaceNet独有的三元组损失函数对采集到的宠物图片中的训练集数据进行批次组合;三元组损失函数定义为:
其中,J表示损失函数值,m是样本数量,Dia,ip表示目标样本和正样本之间特征的距离,Dia,in表示目标样本和负样本之间特征的距离,ia表示第i个目标样本,ip表示第i个正样本,in表示第i个负样本,α表示补充量;
S5.2:将宠物图片中的训练集数据按批次输入到S1步骤中得到的预训练模型中进行参数微调。
S5.3:在声纹识别部分,根据前面图片训练集的批次组合将其相对应的声纹训练集进行批次组合,并将声纹训练集送入到声纹训练网络中进行迭代训练。
S6:判断分类器是否达到精度要求
面部识别部分,精度测试步骤如下:
第一步,将图库所有图片送入FaceNet提取提取成128维的特征向量后,存入对比数据库中。
第二步,将需测试的某张图片输入,提取出其特征向量。
声纹识别部分,精度测试步骤如下:
第一步,将音频库中所有音频文件送入训练好的3D卷积网络中得到声音模型,即128维的特征向量,将所有声音模型存入数据库中。
第二步,将需要测试的某段音频文件输入,提取出其特征向量。
结合部分,精度测试步骤如下:
第一步,将测试图片和测试音频文件的特征向量,分别对数据库中同一只宠物的图片特征相量和声因模型做减法运算,求得两个欧氏距离。
第二步,对两个欧式距离进行加权相加(这里取面部识别部分欧氏距离权值为0.8,声纹识别部分欧式距离权值为0.2),得到一个距离分数。以此类推,将测试数据和数据库中数据全部进行匹配。
第三步,对所有距离分数进行由小到大的排序,取top1的标签为最终识别结果,若此标签和测试数据的标签相同则识别成功,反之,识别失败。
Claims (10)
1.一种结合面部和声纹的宠物识别方法,其特征在于,所述方法包括以下步骤:
S1:初始化宠物识别分类器,包括分类器结构初始化和分类器权重初始化;
S2:获取图像数据,获取声纹数据;
S3:对数据进行分类和标记;
S4:声纹数据处理;
S5:迭代更新分类器;
S6:判断分类器是否达到精度要求,若是,则保存当前参数并结束程序,若否,则继续训练。
2.根据权利要求1所述的一种结合面部和声纹的宠物识别方法,其特征在于:所述步骤S1包含以下步骤:
S1.1:初始化宠物识别分类器结构,所述分类器在面部识别部分结构为FaceNet,在声纹识别部分结构为3D卷积神经网络;
S1.2:用初始化函数初始化分类器权重,使用了FaceNet在其自己的数据集上训练所得的预训练模型;
S1.3:整个网络结构在面部识别和声纹识别的结果处进行结合,结合方式为面部识别所得欧式距离除以声纹识别所得概率值。
3.根据权利要求1或2所述的一种结合面部和声纹的宠物识别方法,其特征在于:所述步骤S2包括以下步骤:
S2.1:采用人工实地相机采集的方法补充图像数据;
S2.2:采用网络爬虫的方法从互联网爬取对应需求的图像数据;
S2.3:从采集到的视频图像数据中剥离出声纹数据。
4.根据权利要求1或2所述的一种结合面部和声纹的宠物识别方法,其特征在于:所述步骤S3包括以下步骤:
S3.1:手动对采集到的图片数据和声纹数据进行标注和分类;
S3.2:将数据分为训练数据和测试数据。
5.根据权利要求1或2所述的一种结合面部和声纹的宠物识别方法,其特征在于:所述步骤S4包括以下步骤:
S4.1:使用python的SpeechPy包将声纹特征提取出来,
MFEC features计算公式为:
其中E为能量值,sn音频信号,N为信号数量。
S4.2:将输入张量转化为[ξ,80,40]的格式其中80为temporal feature,40为MFECfeatures。
6.根据权利要求1所述的一种结合面部和声纹的宠物识别方法,其特征在于:所述步骤S5包括以下步骤:
S5.1:根据FaceNet独有的三元组损失函数对采集到的宠物图片中的训练集数据进行批次组合;三元组损失函数定义为:
其中,J表示损失函数值,m是样本数量,Dia,ip表示目标样本和正样本之间特征的距离,Dia,in表示目标样本和负样本之间特征的距离,ia表示第i个目标样本,ip表示第i个正样本,in表示第i个负样本,α表示补充量;
S5.2:将宠物图片中的训练集数据按批次输入到S1步骤中得到的预训练模型中进行参数微调;
S5.3:在声纹识别部分,根据前面图片训练集的批次组合将其相对应的声纹训练集进行批次组合,并将声纹训练集送入到声纹训练网络中进行迭代训练。
7.根据权利要求1或2所述的一种结合面部和声纹的宠物识别方法,其特征在于:所述步骤S6包括以下步骤:
S6.1:使用测试数据集对分类器进行精度测试;
S6.2:若精度达到要求,则结束程序,所未到达精度要求,则重回S5继续训练。
8.根据权利要求6所述的一种结合面部和声纹的宠物识别方法,其特征在于:所述步骤S6.1中,面部识别部分的精度测试步骤如下:
第一步,将图库所有图片送入FaceNet提取提取成128维的特征向量后,存入对比数据库中;
第二步,将需测试的某张图片输入,提取出其特征向量。
9.根据权利要求6所述的一种结合面部和声纹的宠物识别方法,其特征在于:所述步骤S6.1中,声纹识别部分,精度测试步骤如下:
第一步,将音频库中所有音频文件送入训练好的3D卷积网络中得到声音模型,即128维的特征向量,将所有声音模型存入数据库中;
第二步,将需要测试的某段音频文件输入,提取出其特征向量。
10.根据权利要求6所述的一种结合面部和声纹的宠物识别方法,其特征在于:所述步骤S6.1中,面部识别部分和声纹识别部分的结合部分的精度测试步骤如下:
第一步,将测试图片和测试音频文件的特征向量,分别对数据库中同一只宠物的图片特征相量和声因模型做减法运算,求得两个欧氏距离;
第二步,对两个欧式距离进行加权相加,得到一个距离分数,以此类推,将测试数据和数据库中数据全部进行匹配;
第三步,对所有距离分数进行由小到大的排序,取top1的标签为最终识别结果,若此标签和测试数据的标签相同则识别成功,反之,识别失败。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810409799.8A CN108734114A (zh) | 2018-05-02 | 2018-05-02 | 一种结合面部和声纹的宠物识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810409799.8A CN108734114A (zh) | 2018-05-02 | 2018-05-02 | 一种结合面部和声纹的宠物识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108734114A true CN108734114A (zh) | 2018-11-02 |
Family
ID=63939501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810409799.8A Pending CN108734114A (zh) | 2018-05-02 | 2018-05-02 | 一种结合面部和声纹的宠物识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734114A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109548691A (zh) * | 2018-12-26 | 2019-04-02 | 北京量子保科技有限公司 | 一种宠物识别方法、装置、介质和电子设备 |
CN109886145A (zh) * | 2019-01-29 | 2019-06-14 | 浙江泽曦科技有限公司 | 宠物脸部识别方法及系统 |
CN109948458A (zh) * | 2019-02-25 | 2019-06-28 | 广东智媒云图科技股份有限公司 | 基于鼻纹的宠物身份识别方法、装置、设备及存储介质 |
CN109977804A (zh) * | 2019-03-11 | 2019-07-05 | 北京旷视科技有限公司 | 宠物智能门的控制方法、装置、计算机设备和存储介质 |
CN110008859A (zh) * | 2019-03-20 | 2019-07-12 | 北京迈格威科技有限公司 | 基于视觉的犬只重识别方法和装置 |
CN110309349A (zh) * | 2019-04-08 | 2019-10-08 | 浙江工业大学 | 一种基于面部表情识别和循环神经网络的音乐生成方法 |
CN110400567A (zh) * | 2019-07-30 | 2019-11-01 | 深圳秋田微电子股份有限公司 | 注册声纹动态更新方法及计算机存储介质 |
CN110415708A (zh) * | 2019-07-04 | 2019-11-05 | 平安科技(深圳)有限公司 | 基于神经网络的说话人确认方法、装置、设备及存储介质 |
CN110705512A (zh) * | 2019-10-16 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 豢养物身份特征检测方法以及装置 |
CN110737885A (zh) * | 2019-10-16 | 2020-01-31 | 支付宝(杭州)信息技术有限公司 | 豢养物的身份认证方法及装置 |
CN110825004A (zh) * | 2019-12-03 | 2020-02-21 | 扬州后潮科技有限公司 | 一种基于ZigBee无线传感网络的动物危险信息监控系统 |
CN111507302A (zh) * | 2020-04-27 | 2020-08-07 | 广东工业大学 | 一种基于图像识别的宠物搜寻方法及装置 |
CN111709004A (zh) * | 2020-08-19 | 2020-09-25 | 北京远鉴信息技术有限公司 | 一种身份认证方法、装置、电子设备及可读存储介质 |
CN113673487A (zh) * | 2021-10-21 | 2021-11-19 | 杭州觅睿科技股份有限公司 | 一种宠物识别方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1045346A2 (en) * | 1999-03-18 | 2000-10-18 | Omron Corporation | Personal identification device and method |
US20110153362A1 (en) * | 2009-12-17 | 2011-06-23 | Valin David A | Method and mechanism for identifying protecting, requesting, assisting and managing information |
CN103117061A (zh) * | 2013-02-05 | 2013-05-22 | 广东欧珀移动通信有限公司 | 一种基于语音的动物识别方法及装置 |
CN104700829A (zh) * | 2015-03-30 | 2015-06-10 | 中南民族大学 | 动物声音情绪识别系统及其方法 |
CN106295313A (zh) * | 2016-08-03 | 2017-01-04 | 北京地平线机器人技术研发有限公司 | 对象身份管理方法、装置和电子设备 |
CN106790054A (zh) * | 2016-12-20 | 2017-05-31 | 四川长虹电器股份有限公司 | 基于人脸识别和声纹识别的交互式认证系统及方法 |
CN107145823A (zh) * | 2017-03-29 | 2017-09-08 | 深圳市元征科技股份有限公司 | 一种图像识别方法、图像识别装置及服务器 |
CN107229947A (zh) * | 2017-05-15 | 2017-10-03 | 邓昌顺 | 一种基于动物识别的金融保险方法及系统 |
-
2018
- 2018-05-02 CN CN201810409799.8A patent/CN108734114A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1045346A2 (en) * | 1999-03-18 | 2000-10-18 | Omron Corporation | Personal identification device and method |
US20110153362A1 (en) * | 2009-12-17 | 2011-06-23 | Valin David A | Method and mechanism for identifying protecting, requesting, assisting and managing information |
CN103117061A (zh) * | 2013-02-05 | 2013-05-22 | 广东欧珀移动通信有限公司 | 一种基于语音的动物识别方法及装置 |
CN104700829A (zh) * | 2015-03-30 | 2015-06-10 | 中南民族大学 | 动物声音情绪识别系统及其方法 |
CN106295313A (zh) * | 2016-08-03 | 2017-01-04 | 北京地平线机器人技术研发有限公司 | 对象身份管理方法、装置和电子设备 |
CN106790054A (zh) * | 2016-12-20 | 2017-05-31 | 四川长虹电器股份有限公司 | 基于人脸识别和声纹识别的交互式认证系统及方法 |
CN107145823A (zh) * | 2017-03-29 | 2017-09-08 | 深圳市元征科技股份有限公司 | 一种图像识别方法、图像识别装置及服务器 |
CN107229947A (zh) * | 2017-05-15 | 2017-10-03 | 邓昌顺 | 一种基于动物识别的金融保险方法及系统 |
Non-Patent Citations (3)
Title |
---|
AMIRSINA TORFI, JEREMY DAWSON, NASSER M. NASRABADI: ""TEXT-INDEPENDENT SPEAKER VERIFICATION USING 3D CONVOLUTIONAL NEURAL NETWORKS"", 《ARXIV》 * |
裔隽等: "《Python机器学习实战》", 31 January 2018, 科学技术文献出版社 * |
邓剑然: ""基于人脸和声纹组合身份验证的研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109548691A (zh) * | 2018-12-26 | 2019-04-02 | 北京量子保科技有限公司 | 一种宠物识别方法、装置、介质和电子设备 |
CN109886145B (zh) * | 2019-01-29 | 2021-09-03 | 浙江泽曦科技有限公司 | 宠物脸部识别方法及系统 |
CN109886145A (zh) * | 2019-01-29 | 2019-06-14 | 浙江泽曦科技有限公司 | 宠物脸部识别方法及系统 |
CN109948458A (zh) * | 2019-02-25 | 2019-06-28 | 广东智媒云图科技股份有限公司 | 基于鼻纹的宠物身份识别方法、装置、设备及存储介质 |
CN109977804A (zh) * | 2019-03-11 | 2019-07-05 | 北京旷视科技有限公司 | 宠物智能门的控制方法、装置、计算机设备和存储介质 |
CN110008859A (zh) * | 2019-03-20 | 2019-07-12 | 北京迈格威科技有限公司 | 基于视觉的犬只重识别方法和装置 |
CN110309349A (zh) * | 2019-04-08 | 2019-10-08 | 浙江工业大学 | 一种基于面部表情识别和循环神经网络的音乐生成方法 |
CN110415708A (zh) * | 2019-07-04 | 2019-11-05 | 平安科技(深圳)有限公司 | 基于神经网络的说话人确认方法、装置、设备及存储介质 |
CN110400567A (zh) * | 2019-07-30 | 2019-11-01 | 深圳秋田微电子股份有限公司 | 注册声纹动态更新方法及计算机存储介质 |
CN110705512A (zh) * | 2019-10-16 | 2020-01-17 | 支付宝(杭州)信息技术有限公司 | 豢养物身份特征检测方法以及装置 |
CN110737885A (zh) * | 2019-10-16 | 2020-01-31 | 支付宝(杭州)信息技术有限公司 | 豢养物的身份认证方法及装置 |
CN110825004A (zh) * | 2019-12-03 | 2020-02-21 | 扬州后潮科技有限公司 | 一种基于ZigBee无线传感网络的动物危险信息监控系统 |
CN111507302A (zh) * | 2020-04-27 | 2020-08-07 | 广东工业大学 | 一种基于图像识别的宠物搜寻方法及装置 |
CN111709004A (zh) * | 2020-08-19 | 2020-09-25 | 北京远鉴信息技术有限公司 | 一种身份认证方法、装置、电子设备及可读存储介质 |
CN111709004B (zh) * | 2020-08-19 | 2020-11-13 | 北京远鉴信息技术有限公司 | 一种身份认证方法、装置、电子设备及可读存储介质 |
CN113673487A (zh) * | 2021-10-21 | 2021-11-19 | 杭州觅睿科技股份有限公司 | 一种宠物识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108734114A (zh) | 一种结合面部和声纹的宠物识别方法 | |
Luo et al. | Audio Sentiment Analysis by Heterogeneous Signal Features Learned from Utterance-Based Parallel Neural Network. | |
CN110782921B (zh) | 语音测评方法和装置、存储介质及电子装置 | |
CN105260356B (zh) | 基于多任务学习的中文交互文本情感与话题识别方法 | |
CN109308318A (zh) | 跨领域文本情感分类模型的训练方法、装置、设备及介质 | |
CN109582949A (zh) | 事件元素抽取方法、装置、计算设备及存储介质 | |
CN108984745A (zh) | 一种融合多知识图谱的神经网络文本分类方法 | |
CN111160037A (zh) | 一种支持跨语言迁移的细粒度情感分析方法 | |
CN107122375A (zh) | 基于图像特征的图像主体的识别方法 | |
CN102201236A (zh) | 一种高斯混合模型和量子神经网络联合的说话人识别方法 | |
CN113177612B (zh) | 一种基于cnn少样本的农业病虫害图像识别方法 | |
CN103474065A (zh) | 基于自动分类技术的语音意图判定识别方法 | |
CN112819023A (zh) | 样本集的获取方法、装置、计算机设备和存储介质 | |
CN103198833B (zh) | 一种高精度说话人确认方法 | |
CN109902615A (zh) | 一种基于对抗网络的多个年龄段图像生成方法 | |
CN108345866B (zh) | 一种基于深度特征学习的行人再识别方法 | |
CN106203296B (zh) | 一种属性辅助的视频动作识别方法 | |
CN108875564A (zh) | 一种宠物面部识别方法 | |
CN115270752A (zh) | 一种基于多层次对比学习的模板句评估方法 | |
CN109119069A (zh) | 特定人群识别方法、电子装置及计算机可读存储介质 | |
Blanchard et al. | Getting the subtext without the text: Scalable multimodal sentiment classification from visual and acoustic modalities | |
CN116935447A (zh) | 基于自适应师生结构的无监督域行人重识别方法及系统 | |
Lu et al. | Deep multimodal learning for municipal solid waste sorting | |
CN116796810A (zh) | 一种基于知识蒸馏的深度神经网络模型压缩方法及装置 | |
CN108985378B (zh) | 一种基于混合交叉深度网络的域自适应方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181102 |
|
RJ01 | Rejection of invention patent application after publication |